Поступить в магистратуру МТУСИ на бюджет
Подготовиться и сдать экзамены на специальность: Автоматизация технологических процессов и производств. Системы искусственного интеллекта промышленного интернета вещей
Пока мне сложно составить даже примерный "с чего начать", очевидно - разобраться, проштудировать программу вступительного экзамена, разобрать каждую тему по пунктам.
Критерій завершення
зачислена на бюджет в магистратуру МТУСИ
Особисті ресурси
время, силы, эмоции :)
Екологічність мети
я имею право на бесплатное обучение в магистратуре, нужно им пользоваться! И еще, я хочу доказать самой себе, что я чего-то стою и не разучилась учиться.
-
1. Теория автоматического управления
Принципы построения САУ и их классификация. Математическое описание линейной САУ. Преобразование Лапласа. Методы анализа линейных непрерывных САУ. Передаточные функции звеньев линейных непрерывных САУ. Типовые звенья линейных непрерывных САУ и их динамические характеристики. Переходные и частотные характеристики динамических звеньев. Построение характеристик линейных систем. Исследование переходных характеристик динамических звеньев. Анализ качества процессов автоматического управления. Переходный процесс и показатели его качества. Понятие устойчивости САУ. Условия устойчивости линейных непрерывных САУ. Общая характеристика критериев устойчивости линейных непрерывных САУ: критерий Рауса-Гурвица, частотный критерий устойчивости Михайлова, частотный критерий Найквиста. Математическое описание нелинейной САУ. Анализ устойчивости нелинейных САУ. Методы исследования устойчивости Ляпунова. Критерий абсолютной устойчивости Попова. Нелинейные дискретный (релейные, цифровые) САУ, особенности их динамики.
-
2. Системы реального времени
Основные понятия и классификации систем управления. Структура и задачи систем реального времени (СРВ). Классификация СРВ. Системы жесткого и мягкого реального времени. Технические средства для реализации СРВ. Аппаратное обеспечение систем реального времени. Классификация датчиков и преобразователей. Аналого-цифровые преобразователи, их основные характеристики. Средства обработки информации: микроконтроллеры, микропроцессоры. Виды средств отображения информации и их основные характеристики. Виды исполнительных средств. Средства связи в системах реального времени. Источники электроснабжения и характеристики условий эксплуатации.
Программное обеспечение систем реального времени. Операционный системы реального времени. Свойства и параметры ОСРВ: системы исполнения и системы разработки; время реакции системы. Управление процессами. Алгоритмы планирования процессов. Вытесняющие и невытесняющие алгоритмы планирования. Управление памятью в ОСРВ. Типы адресов. Методы распределения памяти. Принцип кэширования данных. Управление вводом - выводом. Физическая организация устройств ввода - вывода. Обработка прерываний. Драйвера устройств.
-
3. Методы интеллектуального анализа данных. Python - программирование.
Понятие модели, параметрические модели. Обучение модели, необходимые условия. Признаки, переменные, параметры, целевая функция, виды обучения. Способы организации обучения. Задачи машинного обучения. Примеры применения машинного обучения. Функциональные ошибки и метрики, в том числе для задач классификации.
Модели машинного обучения: деревья решений и случайный лес; наивная байесовская классификация; линейная регрессия и метод наименьших квадратов; логическая регрессия; метод опорных векторов; ансамблевые методы: бустинг и беггинг (xgboot, catboost); метод К-средних (K-means); метод К ближайших соседей (KNN); метод главных компонент (PCA); методы метрик; базовые понятия нейросетей.
Программирование в Python. Типы данных. Переменные. Условные операторы. Функции. Списки. Цыклы. Словари, Многомерные массивы. Генераторы списков. Множества. ООП, классы, объекты. Конструкторы. Атрибуты класса. Наследование функций. Модуль Math. Математические операции со скалярами. Модуль NumPy. Создание массивов. Агрегирующие функции. Итерирование, объединение и разбиение массивов. Работа с табличными данными. Модуль Pandas. Объекты типа Series и Dataframe, создание и индексация. Группировка данных. Работа с текстовыми данными. Токенизация. Модуль MatPlotLib. Графическая визуализация данных.
-
4. Основы мехатроники, роботехники, промышленный интернет вещей, киберфизические системы.
Возникновение и развитие современной робототехники.
-
5. Технологии баз данных.
Щоденник мети
немного в ступоре, пока я тут готовлюсь, моя знакомая уже учится в этом вузе... учится на первом курсе на заочке и она полный ноль в математике, вообще не кодит и особо не стремится, так вот сессию она закрыла на отлично ВООБЩЕ не напрягаясь, то есть знаний нет от слова совсем.. кто-то ей решил контрольные, кто-то помог на экзамене и всё.. так учатся там все.. если совсем тупой, экзамены и зачеты продаются.....оО
В общем, я в шоке немного и теперь не уверена, стоит ли тратить время на такой сомнительный вуз...
Это всегда холиварная тема была. Некторые конторы требуют вышку профильную. Другим важно качества специалиста, а не его бумажки. Я думаю стоить определиться в каком направлении двигаться хочется.
занимаюсь на яндекс практикуме и понимаю, что там супер крутой курс, но стоит тоже космос (у меня пока бесплатная часть), с магистратурой сложно, математика не как не хочет поддаваться, то что я когда-то любила и знала куда-то делось Т_Т я была уверена, что у меня хороший уровень и так просто это всё не забыть, но увы и ах, нет...
на грани провала, я не могу себя заставить что-то делать, постоянные рефлексия и прокрастинация... мне кажется, я впадаю в депрессию время от времени еще.. медицинская помощь не нужна, но порой очень сложна справляться с приступами страха за будущее и какого-то отчаяния.
нужно заниматься, но я просто почему-то не могу переступить через это "не могу"
развернула Jira чтобы посмотреть как вообще это работает, всё больше сталкиваюсь с тем, что нужно заходить в ИТ через тестирование, хотя в моей ситуации я вроде и так в ИТ... смотрела вакансии на системного аналитика, есть даже со стажировкой, но я пока не потяну( да и увольняться мне нельзя
AliZ, Если, будешь углубляться в биг дату, и анализ данных, можешь мне маякнуть. У меня знакомая с 4 летним стажем на этом поприще есть. Может с чем-то да поможет.
прохожу курс математики, школьная программа для взрослых, плохо помню первообразные, производные и логарифмы, решила быстро прорешать весь курс, проверить есть ли пробелы в базе - не помешает. Потом уже буду приступать к высшей математике, ибо без неё не совсем получается разобраться с теорией автоматического управления и СРВ.
рекомендую ресурс - Высшая математика – просто и доступно!
Второй раз поступила на курс Deep Learning при МФТИ, очень сложно, боюсь опять не вывезти...(
аврал перед отпуском, на работе все болеют (то ли ковид новый, то ли еще какая зараза, в open space хрен разберешь, что всех косит), неделю провалялась овощем, что для меня не свойственно, вообще за этот месяц болела что-то больше, чем за последний год... О_о видимо, сказывается перенос отпуска, когда на протяжение 15 лет ты отдыхаешь в одно и то же время, организм не понимает, почему сейчас мы вдруг работаем и сбоит)) В общем, прошло больше полутора месяцев, а я так практически и не сдвинулась с нуля.. планов много, а как-то делать - руки не доходят. Я понимаю, что это может быть связанно с усталостью и нужно с одной стороны отложить всё до отпуска, но с другой стороны, слишком жалеть себя, значит отказываться от результата в итоге
Хожу по кругу, для чтения учебников нужно вспомнить первообразные, производные и логарифмы, я вроде как и помню, а по сути - как-то не особо, получается. Отвыкла от языка технических учебников, два гуманитарных высших совсем расслабили в этом смысле. И еще, я совсем разучилась планировать, с таймингом беда и прокрастинация стала верным другом. И еще, я стала бояться, что мне не нужна на самом деле эта магистратура и она мне не поможет, но это так.. страхи периодические, главное - поступить, потом можно и не учиться))) просто поступление на бюджет - гарантия полученной базы знаний, мне кажется
